数据仓库建模

数仓建模

指标:事务型指标,存量型指标,复合指标

数据层:操作数据层,公共纬度模型层,应用数据层,

构建过程

1、高层模型,对产出目标,进行维表和事实表进行图形描述
2、详细模型,对模型进行数据填充
3、验证,再设计
4、出文档

基本原则

1、一致性,字段名等统一
2、命名清晰可理解
3、高内聚低耦合
4、核心模型与扩展模型分离
5、公共处理逻辑下沉及单一
6、成本无性能平衡

纬度设计过程

1、确定主纬表
2、确定相关纬表
3、确定维度属性

维度表类型
维度表处理方法

1、雪花模型的纬度进行反规范化
2、拆分
3、缓慢变化维,处理方式:快照维表,解决缓慢变化维的问题,拉链表
4、递归表处理:进行扁平化处理,层次桥接表

5、微型纬度
6、行为纬度
7、多值纬度
8、多值属性
9、杂项纬度

纬度设计过程

1、选择业务过程确定事实表
2、声明粒度
3、确定纬度
4、确定事实
5、冗余纬度降维

事实表设计

1、事务事实表:单事务事实表,多事务事实表
2、周期快照实时表
3、积累快照事实表

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
IBM数据仓库建模方法论(IBM Data Warehouse Modeling Methodology)是IBM为构建高质量的数据仓库而制定的一套建模方法与指导原则。其目标是帮助组织实现数据驱动决策和分析,从而提高业务效率和竞争力。 该方法论主要包括以下几个方面: 1. 需求分析:在开始建模之前,首先要深入了解业务需求和数据源。通过与利益相关者合作,明确数据需求、目标与范围,以及数据的重要性和可用性。 2. 数据模型设计:根据需求分析结果,设计合适的数据模型来存储和组织数据。这包括确定实体、属性、关系和约束等概念,并选择合适的建模工具和技术来解决特定问题。 3. 数据抽取与装载:将源系统的数据抽取到数据仓库。这涉及到数据清洗、转换和加载等步骤,以确保数据的准确性和一致性。 4. 数据仓库更新:持续监控和更新数据仓库的数据,包括定期的数据抽取和转换过程,以保持数据的实时性和准确性。 5. 数据仓库查询与分析:提供灵活的查询和分析功能,以支持决策和业务需求。这包括使用各种BI工具和技术来提取、分析和可视化数据。 6. 数据质量管理:确保数据仓库的数据质量高且可信。通过建立数据验证和监控机制,及时发现和纠正数据质量问题。 7. 数据安全与隐私保护:采取必要的安全措施,保护数据仓库的数据不受未经授权的访问和泄漏。 通过遵循IBM数据仓库建模方法论,组织可以更好地管理和利用数据,提高数据仓库的效率和价值。同时,该方法论还提供了一套通用的指导原则和最佳实践,适用于各种规模和复杂度的数据仓库项目。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值